经过十多年的平安城市建设，中国已经成为全世界最大的安防市场，视频监控系统作为安防系统中不可或缺的重要组成，正日益发挥更加重要的作用，在平安城市、雪亮工程等重点建设项目的背景下，安防已成为人工智能最为重要的落地场景之一。随着平安城市建设的推进和深化，目前新建监控项目已基本实现高清化，随着建设规模的逐步扩大和人工智能、云计算、大数据技术的兴起，平安城市应用正逐步向警务云、大数据应用等方向转变。 高清监控安装视频信息作为公安最重要的数据资源之一，遍布城市大街小巷的摄像头，每天都会产生大量视频资料数据，不仅为社会治安稳定发挥作用，也为智慧城市和物联感知提供信息支撑，但这些图像资料目前还仅停留在事后查看的层面，没有被充分利用起来，如何能够被用户快速消化使用，成为更有价值的情报数据呢？让用户从这些数据中自行寻找线索，不仅占用了大量的人力、物力和时间，同时由于个人能力的差异也会导致针对信息的认知偏差。例如针对卡口实现了主干道的车辆识别，覆盖面有限，其他活动目标及特征无法获取，大多依靠人工进行收集和处理，难以结合时空数据进行快速检索和分析研判。

如何解决海量视频监控数据与人力分析瓶颈之间的矛盾是产业技术升级的主要方向。安防行业多年前就将智能化作为主要发展趋势，视频分析是人工智能的重要热点之一，人的信息获取绝大部分是从图像中来，从技术成熟度和应用场景看，图像智能的发展更接近实用，进步也更快速。

今天，城市里的数据非常丰富，其中摄像头的数据量非常大，可以挖掘出巨大的价值，可以解决城市管理中的诸多难题。我们希望把视频图像里面的内容和目标白动转换成结构化数据，让每个人都能直接理解人／车／事这几类主要信息，车：车型、车款、车牌号码、车辆颜色、行驶方向、行驶速度，人：步行、骑车、性别、年龄、上身、下身、背包拎包，事：拥堵、逆行、徘徊、奔跑、剧烈运动、交通行为。有了以上数据就能进行决策和优化，比如根据交通流量优化红绿灯配时系统，比如在视频中搜索可疑车辆（肇事）和可疑人（失踪），比如挖掘数据之间的关系和规律，找到数据之间背后的原因，还可以进行趋势预测，比如半小时甚至更长时间后的车流和路径规划。但原先的智能分析技术一直存在识别准确率低、场景适应性差、识别种类少等问题。深度学习通过大量数据训练来建立输入数据和输出数据之间的映射，通过人工智能来自动处理海量监控视频数据，解决了以往的技术瓶颈。以平安城市为例，针对道路监控等相对标准场景的视频，可进行 智能人脸识别系统和机非人实时结构化分析和特征信息提取，转化为公安所需的情报线索。

目前，安防行业中基于深度学习的人工智能产品，以天地伟业为例，主要识别方向包括：车辆分析、人员分析、行为分析和图像分析，产品形态分为前端智能和云端智能。

前端产品主要是用于边缘节点计算的AI摄像机（人脸识别摄像机／卡口电警摄像机），在采集视频和图片的同时，依靠内置的算力芯片和智能算法，为云端的数据中心提供结构化的数据，可以减少云端分析处理的计算资源压力和网络带宽等系统成本。缺点是前端设备空间有限、功耗成本较高，导致有限的硬件资源只能运行相对简单、对实时性要求高的算法。